你有沒有發(fā)現(xiàn)，最近一個月科技圈仿佛集體陷入了一種焦慮狀態(tài)？到處都是"SaaS 終結(jié)論"的聲音，仿佛傳統(tǒng)軟件公司明天就要全部倒閉。打開社交媒體，鋪天蓋地都是關(guān)于 AI agent 如何取代所有現(xiàn)有軟件、如何讓工程師失業(yè)、如何顛覆整個軟件行業(yè)的討論。這種焦慮甚至蔓延到了資本市場，一些優(yōu)秀的 SaaS 公司股價暴跌，投資者似乎相信一個五人創(chuàng)業(yè)團隊用 vibe coding（隨意編程）就能在周末搭建出替代 Salesforce 的系統(tǒng)。

我最近聽了 No Priors 播客的一期節(jié)目，Sarah Guo 和 Elad Gil 兩位深耕科技投資多年的行家對這個話題展開了深度討論。他們的觀點讓我深受啟發(fā)，也讓我重新審視了這場所謂的"SaaS 終結(jié)"浪潮。Sarah 和 Elad 都認(rèn)為，雖然 AI 確實在改變軟件行業(yè)，但目前市場對于這種改變的理解存在嚴(yán)重的誤判和過度炒作。他們指出，人們正在把五人創(chuàng)業(yè)團隊的行為模式錯誤地投射到財富 100 強企業(yè)身上，同時忽視了軟件行業(yè)真正在發(fā)生的結(jié)構(gòu)性變化。聽完這期播客后，我開始思考一個更深層的問題：在這場 AI 革命中，什么是真實的變革，什么又是虛假的炒作？作為身處這個行業(yè)的觀察者，我覺得有必要梳理清楚這些復(fù)雜的信號，分辨出哪些是真正值得關(guān)注的趨勢，哪些只是一時的噪音。

我在之前也寫過幾篇分析文章，感興趣的可以看《》、《》。

我的新書《出海，產(chǎn)品全球化營銷實踐》即將出版發(fā)售，為了感謝各位一直支持深思圈的讀者，特地準(zhǔn)備了這次贈書活動，可以在第一時間拿到免費的贈書，感興趣的朋友可以填寫以下信息。由于出版社給的數(shù)量有限，我會從填寫問卷的同學(xué)中篩選一部分贈書，可能沒有辦法保證每一位都拿到，請大家諒解。

Vibe Coding 不會取代企業(yè)軟件

Elad 在播客中提出了一個非常犀利的觀點：沒有人會用 vibe coding 搭建一個車隊管理應(yīng)用，然后通過"vibe 銷售"賣給企業(yè)客戶，更不會有人用 vibe 方式制造車載攝像頭傳感器并安裝到成千上萬的車輛上。這個例子雖然聽起來荒誕，但卻精準(zhǔn)地指出了當(dāng)前討論中最大的盲點。他以自己投資的公司 Samsara 為例，這是一家提供車隊管理解決方案的公司，涉及硬件、軟件、企業(yè)銷售、客戶支持等復(fù)雜環(huán)節(jié)。這種業(yè)務(wù)的復(fù)雜度和專業(yè)性，根本不是簡單的代碼生成能夠替代的。

我特別認(rèn)同這個觀點，因為它揭示了一個本質(zhì)問題：軟件不僅僅是代碼。很多技術(shù)背景的人容易陷入一個誤區(qū)，以為只要能生成代碼，就能替代整個軟件產(chǎn)品。但實際上，一個成功的企業(yè)軟件產(chǎn)品包含了太多代碼之外的東西。你需要深入理解客戶的業(yè)務(wù)流程，需要與各個部門的利益相關(guān)者溝通，需要處理數(shù)據(jù)安全和合規(guī)問題，需要提供持續(xù)的客戶支持和培訓(xùn)，需要不斷迭代產(chǎn)品以適應(yīng)市場變化。這些工作的復(fù)雜度和專業(yè)性，遠(yuǎn)遠(yuǎn)超出了"生成一段代碼"的范疇。

Sarah 補充說，他們的投資組合中有一些收入已經(jīng)達(dá)到數(shù)億美元的公司，這些公司在擁抱 AI、大量使用 token 的同時，工程師團隊保持在 50 人以下，但銷售團隊卻從零迅速擴張到了近 100 人。這個數(shù)據(jù)非常有說服力：即使在 AI 時代，即使代碼生成變得更容易，企業(yè)銷售仍然需要人。為什么？因為賣給企業(yè)客戶從來都不是一個純技術(shù)問題，而是一個需要深度理解客戶需求、建立信任關(guān)系、提供定制化解決方案的復(fù)雜過程。

我觀察到，很多關(guān)于"SaaS 終結(jié)"的討論，其實源于工程師群體對世界的一種特定認(rèn)知。工程師傾向于認(rèn)為每個人都想自己制造軟件，因為對他們來說，編程是一種自然而然的表達(dá)方式。但現(xiàn)實是，絕大多數(shù)人并不想自己寫軟件，他們只想用軟件解決問題。就像 Sarah 說的，并不是每個人都想成為軟件制造者，很多人更愿意讓專業(yè)的人來做這件事。這就好比，雖然現(xiàn)在做飯的工具越來越好用，但大多數(shù)人仍然選擇去餐廳吃飯，因為他們想要的是一頓美味的飯菜，而不是做飯的過程。

小公司行為不能外推到大企業(yè)

Elad 提出的另一個關(guān)鍵觀點是，人們正在犯一個嚴(yán)重的邏輯錯誤：把五人創(chuàng)業(yè)團隊的行為模式錯誤地外推到財富 100 強企業(yè)。確實，一個五人技術(shù)團隊可以用 AI 工具快速搭建一個簡單的 CRM 系統(tǒng)來管理他們的客戶關(guān)系。在這之前，他們可能用的就是一個 Excel 表格，所以用 AI 生成一個簡單的系統(tǒng)當(dāng)然是一個進(jìn)步。但這并不意味著一家擁有 10 萬員工的銀行會在某個周末用內(nèi)部開發(fā)的系統(tǒng)替換掉他們已經(jīng)使用多年、經(jīng)過無數(shù)次迭代和定制的 Salesforce。

我認(rèn)為這個觀點觸及了企業(yè)軟件的本質(zhì)。大型企業(yè)使用軟件的方式與小型創(chuàng)業(yè)公司完全不同。對于大企業(yè)來說，軟件系統(tǒng)不僅僅是一個工具，更是整個組織運作的基礎(chǔ)設(shè)施。這些系統(tǒng)經(jīng)過多年的配置和定制，嵌入了企業(yè)特定的業(yè)務(wù)邏輯、合規(guī)要求、權(quán)限管理、與其他系統(tǒng)的集成等等。更重要的是，這些系統(tǒng)背后有成千上萬的用戶，有復(fù)雜的變更管理流程，有嚴(yán)格的安全審計要求。你不可能簡單地用一個周末生成的代碼就替換掉這一切。

Sarah 講了一個很生動的例子：假如你問一個工程師，你愿意為每個座位支付 10 美元的 Jira 費用嗎？他可能會說不愿意，覺得這太貴了。但如果你問他：你愿意在美國銀行做變更管理工作嗎？愿意處理所有的安全考慮嗎？愿意管理其他人對工作流程變更的意見嗎？愿意長期維護這個系統(tǒng)嗎？答案很可能是：不愿意。這就是問題的關(guān)鍵。企業(yè)軟件的價值不在于代碼本身有多復(fù)雜，而在于它解決了一個完整的問題，包括所有那些看不見但至關(guān)重要的部分。

我還注意到一個有趣的現(xiàn)象：那些高喊"我們不需要 SaaS 了"的人，往往是那些從來沒有在大型企業(yè)中負(fù)責(zé)過軟件采購和部署的人。他們沒有經(jīng)歷過在一個 5 萬人的組織中推行一個新系統(tǒng)的痛苦，沒有處理過不同部門之間的利益沖突，沒有面對過合規(guī)部門提出的幾十頁安全要求清單。一旦你真正理解了企業(yè)軟件的復(fù)雜性，你就會明白為什么 vibe coding 不會在短期內(nèi)取代專業(yè)的企業(yè)軟件供應(yīng)商。

軟件需求仍在指數(shù)級增長

Elad 提出了一個我非常認(rèn)同的觀點：人們低估了對軟件產(chǎn)品的需求。這里說的軟件產(chǎn)品是廣義的，包括 AI 應(yīng)用在內(nèi)的所有軟件。他引用了 Marc Andreessen 多年前的著名論斷"軟件正在吞噬世界"，并認(rèn)為這個趨勢不僅沒有減緩，反而在加速?，F(xiàn)在應(yīng)該說"AI 正在吞噬世界"，因為 AI 本質(zhì)上也是軟件的一種形式，只是更智能、更強大的軟件。

我觀察到的一個關(guān)鍵現(xiàn)象是：雖然 AI 工具大幅提高了軟件開發(fā)的生產(chǎn)力，但這并沒有導(dǎo)致對工程師需求的下降。相反，創(chuàng)業(yè)公司仍在持續(xù)招聘工程師。為什么會這樣？因為軟件需求的增長速度遠(yuǎn)遠(yuǎn)超過了生產(chǎn)力的提升速度。當(dāng)你能更快地構(gòu)建軟件時，你會發(fā)現(xiàn)有太多之前因為成本太高而無法實現(xiàn)的想法現(xiàn)在變得可行了。這就像修路一樣，當(dāng)你修了一條新高速公路，你以為會減少擁堵，但實際上反而會產(chǎn)生更多的交通需求，因為更多的人發(fā)現(xiàn)原來可以去更遠(yuǎn)的地方了。

Elad 還提到了一個深刻的洞察：工程師群體內(nèi)部對于 AI 工具的接受程度存在很大差異，這取決于他們對工程工作的不同理解。有些工程師把寫代碼視為一種精致的手工藝，他們享受那種精心打磨每一行代碼的感覺，追求代碼的優(yōu)雅和質(zhì)量。對于這類工程師來說，AI 大量生成代碼可能讓他們感到不舒服，因為這違背了他們對工程工作的審美追求。但另一些工程師把代碼視為構(gòu)建產(chǎn)品的工具，他們關(guān)心的是能否快速解決問題、能否為用戶創(chuàng)造價值。對于這類工程師來說，AI 工具是一種解放，讓他們能夠?qū)Ｗ⒂诟邔哟蔚膯栴}，而不是陷入繁瑣的代碼細(xì)節(jié)中。

我認(rèn)為這種分化會越來越明顯。那些享受手工藝式編程的工程師可能會越來越難以適應(yīng)大型科技公司的工作環(huán)境，因為在那里效率和規(guī)模是第一位的。但這并不意味著他們沒有價值，他們可能會在那些重視代碼質(zhì)量和技術(shù)深度的小型團隊或開源項目中找到自己的位置。而那些注重產(chǎn)品和實用性的工程師則會在 AI 時代如魚得水，因為他們終于可以把精力從重復(fù)性的編碼工作中解放出來，投入到真正需要人類智慧的創(chuàng)造性工作中。

代碼質(zhì)量管理是新的未解難題

Sarah 在播客中提出了一個我認(rèn)為非常關(guān)鍵但被嚴(yán)重忽視的問題：當(dāng) AI 能夠生成大量代碼，而沒有人真正仔細(xì)閱讀這些代碼時，代碼質(zhì)量如何保證？沒有人深入理解整個代碼庫時，系統(tǒng)會變得更加脆弱。這就像她說的"slop problem"（垃圾代碼問題）——不是那種非技術(shù)人員隨便生成的網(wǎng)站代碼，而是出現(xiàn)在你實際生產(chǎn)環(huán)境中的垃圾代碼，由每一個偷懶的工程師生成。而現(xiàn)實是，每個工程師在某種程度上都會偷懶。

我覺得這個問題的深度被嚴(yán)重低估了。在傳統(tǒng)的軟件開發(fā)流程中，代碼審查（Code Review）是保證質(zhì)量的關(guān)鍵環(huán)節(jié)。有經(jīng)驗的工程師會仔細(xì)審查新提交的代碼，檢查邏輯錯誤、性能問題、安全漏洞等等。但當(dāng) AI 一次性生成幾千行代碼時，這個審查過程變得幾乎不可能。人類的注意力是有限的，沒有人能夠認(rèn)真審查幾千行他們沒有參與編寫的代碼。結(jié)果就是，大量未經(jīng)充分審查的代碼被合并到生產(chǎn)環(huán)境中，積累成為技術(shù)債務(wù)，甚至埋下安全隱患。

Sarah 提到，雖然有人建議用測試、智能審查工具、讓 AI 來審查 AI 生成的代碼，甚至形式化驗證等方法，但這個領(lǐng)域仍然是"完全開放的"，沒有人真正解決這個問題。我認(rèn)為這正是一個巨大的創(chuàng)業(yè)機會。那些能夠幫助工程團隊管理人類注意力、在 AI 生成大量代碼的環(huán)境中保證質(zhì)量的工具，將會變得極其重要。這不僅僅是一個技術(shù)問題，更是一個工程管理和組織流程的問題。

她還提到，像 Jira 這樣的項目管理工具可能面臨風(fēng)險，但同時也有機會進(jìn)化。新的 Jira 或者新的創(chuàng)業(yè)公司可以專注于解決"如何在 AI 生成代碼的時代管理工程團隊的注意力"這個核心問題。我認(rèn)為這個觀察非常敏銳。在 AI 時代，工程管理的重點將從"如何加快代碼生產(chǎn)"轉(zhuǎn)向"如何確保生產(chǎn)出來的代碼是可靠的、可維護的、符合質(zhì)量標(biāo)準(zhǔn)的"。這需要全新的工具、流程和方法論。

驚人的增長速度和成本下降

Elad 分享了他團隊整理的一些數(shù)據(jù)，我看到后真的感到震驚。他們研究了不同時代的科技公司從 10 億美元收入增長到 100 億美元收入所需的時間。ADP 用了 20 多年，Adobe 也用了大約 20 年，Salesforce 和 SAP 用了 8-9 年，Microsoft 用了 7-8 年，Google、Meta 和 AWS 用了 3-5 年。而 AI 實驗室呢？根據(jù)公開的預(yù)測數(shù)據(jù)，它們只用了大約一年時間就從 10 億增長到 100 億。從 100 億到 1000 億，Microsoft 用了 27 年，Google 和 AWS 用了 10 多年，而 AI 實驗室預(yù)計只需要 3-5 年。

我認(rèn)為這組數(shù)據(jù)揭示了一個驚人的真相：我們正在見證軟件史上最快的收入增長速度。這不是漸進(jìn)式的改進(jìn)，而是數(shù)量級的跨越。為什么會發(fā)生這種情況？Elad 提到了幾個原因：互聯(lián)網(wǎng)創(chuàng)造了全球性的客戶池，分發(fā)變得前所未有的容易，有更多人能夠接觸到技術(shù)，全球 GDP 在增長。但我認(rèn)為最核心的原因是：AI 創(chuàng)造的用戶價值和商業(yè)價值是前所未有的。當(dāng)一個技術(shù)能夠在如此短的時間內(nèi)創(chuàng)造如此巨大的價值時，收入的爆炸式增長就是自然而然的結(jié)果。

另一組同樣震撼的數(shù)據(jù)是關(guān)于 token 價格的下降。相當(dāng)于 GPT-4 級別的模型，21 個月內(nèi)價格從每百萬 token 37 美元降到了 25 美分，降幅達(dá)到 150 倍。而相當(dāng)于 o1 級別的模型，11 個月內(nèi)價格從每百萬 token 26 美元降到了 30 美分，降幅達(dá)到 88 倍。我覺得這種價格下降的速度是史無前例的。想象一下，你使用的某種服務(wù)在一年內(nèi)價格降低了 88 倍，這意味著什么？這意味著原來因為成本太高而無法實現(xiàn)的應(yīng)用場景現(xiàn)在變得可行了，意味著 AI 的使用門檻在急劇降低，意味著會有更多的創(chuàng)新和應(yīng)用涌現(xiàn)出來。

把這兩組數(shù)據(jù)放在一起看，你會發(fā)現(xiàn)一個矛盾但又合理的現(xiàn)象：一方面，token 價格在暴跌，AI 服務(wù)變得越來越便宜；另一方面，AI 公司的收入在暴漲，增長速度前所未有。這說明了什么？說明需求的增長速度遠(yuǎn)遠(yuǎn)超過了價格的下降速度，說明 AI 正在創(chuàng)造巨大的新市場，而不是簡單地替代現(xiàn)有市場。這也印證了 Elad 的觀點：軟件需求是無限的，生產(chǎn)力的提升不會減少需求，只會釋放更多被壓抑的需求。

科技正在吞噬經(jīng)濟的更大份額

Elad 團隊還研究了科技公司在經(jīng)濟中占比的變化，這個數(shù)據(jù)同樣發(fā)人深省。2005 年，Google 市值 1000 億美元，而埃克森美孚是當(dāng)時世界上最有價值的公司。到 2018 年，Apple 成為第一家市值達(dá)到 1 萬億美元的公司，當(dāng)時科技股占標(biāo)普 500 指數(shù)的約 30%。而現(xiàn)在，前八大科技公司的總市值達(dá)到 23 萬億美元，占標(biāo)普 500 指數(shù)的 50% 以上。同時，科技行業(yè)占美國 GDP 的比例從 2005 年的 4% 增長到現(xiàn)在的 12%。

我認(rèn)為這個趨勢遠(yuǎn)未結(jié)束。隨著 AI 的發(fā)展，更多的服務(wù)和工作將被轉(zhuǎn)化為軟件支出或科技支出。Elad 提到，根據(jù)不同的增長率假設(shè)，到 2035 年，科技可能占 GDP 的 15-20%，甚至 30%。這意味著什么？意味著科技公司的市值還會繼續(xù)膨脹，意味著會有更多的萬億美元公司誕生，意味著科技對經(jīng)濟的影響力會進(jìn)一步增強。

這種趨勢對創(chuàng)業(yè)公司和投資者都有深遠(yuǎn)的影響。對于投資者來說，傳統(tǒng)的估值框架可能需要調(diào)整。以前認(rèn)為 10 億美元估值已經(jīng)是后期階段了，但在新的環(huán)境下，10 億美元可能只是開始。一些真正有潛力的公司可能成長到幾百億甚至上千億美元的市值。對于創(chuàng)業(yè)者來說，這意味著天花板更高了，但同時競爭也會更激烈。你需要思考的不僅僅是如何生存，還要思考如何在這個贏家通吃的環(huán)境中建立持久的競爭優(yōu)勢。

Sarah 提到了一個重要的觀點：雖然整體市場在擴大，但市值分布仍然遵循冪律分布。大部分價值仍然集中在頭部和軀干公司，長尾公司的總價值相對較小。這在客戶分布上也是一樣的。雖然人們喜歡談?wù)?長尾效應(yīng)"，但實際上，即使是 Google 這樣看起來服務(wù)長尾市場的公司，大部分廣告收入也來自頭部和軀干客戶。我覺得這個觀察非常重要，因為它提醒我們不要對"民主化"的故事過于樂觀。是的，AI 降低了創(chuàng)業(yè)門檻，但這不意味著所有創(chuàng)業(yè)公司都能獲得成功。實際上，可能會出現(xiàn)更強的集中效應(yīng)，少數(shù)公司占據(jù)更大的市場份額。

何時應(yīng)該考慮退出

Elad 提出了一個很多創(chuàng)業(yè)者不愿意面對但極其重要的問題：你應(yīng)該在什么時候考慮出售公司？他舉了互聯(lián)網(wǎng)泡沫時期的例子：1999-2000 年間，大約有 1000-2000 家公司上市，但其中只有 12-24 家至今仍然具有重要地位，其他的要么倒閉了，要么被收購了。他還提到了一些曾經(jīng)看似不可戰(zhàn)勝的公司，比如社交網(wǎng)絡(luò)領(lǐng)域的 Friendster 和 MySpace，最后都被 Facebook 打敗了。

我特別認(rèn)同他提出的建議：定期安排一個董事會會議專門討論退出問題。不是說一定要退出，而是讓這個討論變成一個例行的、非情緒化的流程。這樣做的好處是，當(dāng)真正的退出機會來臨時，你能夠理性地評估，而不是被情緒左右。對于極少數(shù)公司來說，答案永遠(yuǎn)是"絕不出售"。但對大多數(shù)公司來說，都會有一個最佳退出時機，錯過這個時機可能意味著多年的努力付諸東流。

Elad 講了 Mark Cuban 的故事，我覺得特別有啟發(fā)性。Cuban 在 Yahoo 股價最高點時把公司賣給了 Yahoo，然后用期權(quán)策略鎖定了收益，即使 Yahoo 股價后來暴跌，他也沒有損失。這成就了他的億萬富翁身份。這不是運氣，而是對時機的精準(zhǔn)把握和對金融工具的巧妙運用。當(dāng)然，不是每個創(chuàng)業(yè)者都能像 Cuban 那樣幸運和聰明，但至少應(yīng)該定期思考這個問題：我的公司現(xiàn)在是處于價值的上升期還是已經(jīng)接近頂峰？競爭格局是在變好還是變壞？技術(shù)趨勢是對我有利還是不利？

我認(rèn)為在 AI 時代，這個問題變得更加緊迫。因為技術(shù)變化的速度太快了，原本需要 10 年才會發(fā)生的市場變化現(xiàn)在可能在 1-2 年內(nèi)就發(fā)生了。Elad 提到，在 SaaS 時代，技術(shù)變化相對緩慢，所以公司有充足的時間來適應(yīng)和調(diào)整。但在 AI 時代，每兩年就相當(dāng)于過去的 10 年。這意味著你必須更快地做出反應(yīng)，包括對于是否退出這個重大決策。

多產(chǎn)品捆綁是最好的防御

Sarah 提出了一個我非常認(rèn)同的觀點：在快速變化的 AI 時代，最好的防御策略是構(gòu)建產(chǎn)品捆綁（bundle）。很多人把捆綁視為一種進(jìn)攻策略，但實際上它也是一種強大的防御手段。當(dāng)你為同一個客戶提供 5-10 種不同的產(chǎn)品或功能時，你就變成了他們工作流程中不可或缺的一部分，競爭對手很難輕易替代你。

我觀察到，這個建議與 SaaS 時代的傳統(tǒng)智慧背道而馳。在 SaaS 時代，流行的說法是"做好一件事"，專注于單一產(chǎn)品。但 Sarah 指出，這其實一直都是糟糕的建議。在 SaaS 之前的平臺時代，成功的公司都是多產(chǎn)品、積極并購的。比如 Microsoft 在操作系統(tǒng)的基礎(chǔ)上向前整合，構(gòu)建了 Office 套件，包括 Excel、PowerPoint、Word 等，然后與操作系統(tǒng)捆綁銷售。Google 也是一樣，從搜索引擎出發(fā)，向前整合到垂直搜索領(lǐng)域，構(gòu)建了旅游搜索、本地搜索等一系列產(chǎn)品。

為什么 SaaS 時代會流行"做好一件事"的理念？我認(rèn)為部分原因是那個時代技術(shù)變化相對緩慢，市場相對穩(wěn)定，所以專注于單一產(chǎn)品的公司也能生存下來。但在 AI 時代，技術(shù)變化太快了，單一產(chǎn)品公司面臨的風(fēng)險太大。AI 實驗室可能會向前整合到你的垂直領(lǐng)域，競爭對手可能用新技術(shù)快速超越你，市場需求可能因為新的交互方式而發(fā)生根本性變化。在這種環(huán)境下，你需要更廣的護城河，需要在多個維度上為客戶創(chuàng)造價值。

Elad 也提到了平臺的向前整合問題。歷史上，每一次重大的平臺轉(zhuǎn)變都伴隨著平臺向最重要的垂直應(yīng)用的整合。Microsoft 整合了 Office，Google 整合了垂直搜索，所以 AI 實驗室向編碼、客戶支持等垂直領(lǐng)域整合也就不足為奇了。作為創(chuàng)業(yè)者，你需要思考的是：哪些垂直領(lǐng)域是持久和可防御的？哪些會被實驗室吞噬？如果你處在一個可能被整合的領(lǐng)域，你是否應(yīng)該考慮盡早退出或者轉(zhuǎn)向構(gòu)建多產(chǎn)品捆綁來增強防御？

市場的喧囂與真實的信號

Sarah 和 Elad 都強調(diào)，我們剛剛經(jīng)歷了充滿炒作的一個月。很多東西被過度渲染了，包括所謂的 AI agent 在自主做采購決策、"mold book" 事件中的新興行為等等。Sarah 直言不諱地指出，很多看起來令人興奮的"新興行為"實際上是為營銷目的而刻意制造的。我認(rèn)為這個提醒非常及時和重要。

在任何新技術(shù)浪潮中，都會有大量的炒作和噪音。這是正常的，甚至在某種程度上是健康的，因為它能夠吸引注意力和資本，加速技術(shù)的發(fā)展和應(yīng)用。但作為理性的觀察者，我們需要能夠區(qū)分什么是真實的進(jìn)展，什么只是營銷噱頭。比如，當(dāng)有人宣稱 AI agent 正在自主做軟件采購決策時，實際情況可能只是某個 AI 產(chǎn)品通過合作伙伴關(guān)系默認(rèn)使用了某個數(shù)據(jù)庫或工具，就像你使用 Airtable 時它在后臺自動使用 AWS 一樣。這不是什么新鮮事，不是 AI 的自主決策，只是商務(wù)合作的常規(guī)操作。

Sarah 提到了一個很重要的觀察：很多股票分析師似乎還沒有理解 demo 和真實產(chǎn)品之間的區(qū)別。他們看到一個炫酷的演示就以為產(chǎn)品已經(jīng)成熟了，忽略了實際部署到企業(yè)環(huán)境中需要解決的大量工程和組織問題。這讓我想起了自動駕駛領(lǐng)域的情況。多年來，我們看到了無數(shù)炫酷的自動駕駛演示，但真正能夠大規(guī)模商業(yè)化的產(chǎn)品仍然很少。為什么？因為從 demo 到產(chǎn)品之間有一道巨大的鴻溝，需要解決可靠性、安全性、邊界情況處理、成本控制等一系列復(fù)雜問題。

但 Sarah 和 Elad 都強調(diào)，他們并不是在否定 AI 的革命性影響。相反，他們都是 AI 進(jìn)步的堅定支持者，早期就投資了很多 AI 編程公司。他們想說的是：長期來看，AI 確實會帶來根本性的變革；但短期來看，人們對變革的速度和范圍有所高估。我們需要在這兩個視角之間找到平衡，既要對長期趨勢保持樂觀和開放，又要對短期炒作保持警惕和理性。

我的思考：在變革中找到立足點

聽完這期播客后，我有了一些自己的思考。我認(rèn)為當(dāng)前我們正處在一個非常微妙的時刻：一方面，AI 確實在帶來深刻的變革，這種變革的規(guī)模和速度都是前所未有的；另一方面，市場對這種變革的理解充滿了誤解和過度外推。作為創(chuàng)業(yè)者或投資者，如何在這種環(huán)境中找到立足點？

我覺得關(guān)鍵是要區(qū)分什么會快速改變，什么會緩慢改變。代碼生成能力的提升會快速改變軟件開發(fā)的方式，這是確定的。但企業(yè)采購決策流程、客戶關(guān)系管理、復(fù)雜系統(tǒng)的維護和支持，這些涉及組織和人的部分，改變會慢得多。那些能夠在快速變化的技術(shù)基礎(chǔ)上構(gòu)建緩慢變化的組織能力的公司，將會擁有持久的競爭優(yōu)勢。

我也思考了工程師角色的演變。我認(rèn)為未來會出現(xiàn)兩類工程師：一類是"產(chǎn)品工程師"，他們把 AI 工具用到極致，關(guān)注的是快速構(gòu)建和迭代產(chǎn)品，為用戶創(chuàng)造價值；另一類是"系統(tǒng)工程師"，他們深入理解底層系統(tǒng)，負(fù)責(zé)確保 AI 生成的代碼是可靠的、可維護的、符合質(zhì)量標(biāo)準(zhǔn)的。前者的數(shù)量會大幅增加，因為 AI 降低了編程門檻；后者會變得更加稀缺和重要，因為在 AI 生成大量代碼的環(huán)境下，我們比以往任何時候都更需要能夠理解和控制復(fù)雜系統(tǒng)的專家。

關(guān)于創(chuàng)業(yè)機會，我認(rèn)為最大的機會不在于用 AI 去復(fù)制現(xiàn)有的 SaaS 產(chǎn)品，而在于解決 AI 時代的新問題。比如 Sarah 提到的代碼質(zhì)量管理問題，比如如何在 AI 生成內(nèi)容泛濫的環(huán)境中確保質(zhì)量和真實性，比如如何幫助企業(yè)管理快速增長的 AI 工具和服務(wù)。這些都是全新的問題，需要全新的解決方案。

最后，關(guān)于 SaaS 是否終結(jié)這個問題，我的答案是：傳統(tǒng)的 SaaS 會演變，但不會消失。就像移動互聯(lián)網(wǎng)時代沒有消滅 PC 端的軟件，而是迫使它們進(jìn)化一樣，AI 也會迫使 SaaS 進(jìn)化。那些能夠成功整合 AI 能力、提供更智能體驗的 SaaS 公司會更強大；那些抱殘守缺、拒絕改變的公司會被淘汰。但軟件作為服務(wù)這個基本模式，在可預(yù)見的未來仍然會是主流。因為歸根結(jié)底，企業(yè)需要的是可靠的、專業(yè)的、持續(xù)更新的解決方案，而不是自己從頭開始構(gòu)建和維護所有東西。這個需求不會因為 AI 而消失。

結(jié)尾

也歡迎大家留言討論，分享你的觀點！

覺得內(nèi)容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產(chǎn)出更好的內(nèi)容。

歡迎關(guān)注深思圈，一起探索更大的世界。